-
公开(公告)号：CN118865696A
公开(公告)日：2024-10-29
申请号：CN202411359863.8
申请日：2024-09-27
Applicant: 中电信无人科技(江苏)有限公司 , 中国电信股份有限公司无人科技技术创新中心
Abstract: 本申请公开了一种交通拥堵检测方法、装置、电子设备及非易失性存储介质。其中，该方法包括：获取监测区域的视频影像，并确定视频影像中每个图像帧中的车辆目标框，其中，视频影像是由无人机采集的监测区域的道路图像；确定车辆目标框对应的标识符，其中，同一图像帧中的每个车辆目标框对应一个标识符，不同图像帧中同一车辆所对应的车辆目标框的标识符相同；依据具有相同标识符的车辆目标框在不同图像帧中的位置，确定每个车辆经过监测区域的流动速度；依据每个车辆的流动速度，确定监测区域对应的道路的交通状态。本申请解决了相关技术中传统的监测方式监测范围窄、灵活性差的技术问题。
-
公开(公告)号：CN119226535A
公开(公告)日：2024-12-31
申请号：CN202411746717.0
申请日：2024-12-02
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06F16/36 , G06F16/33 , G06F16/338 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于大模型和知识图谱的信息处理方法及系统，属于信息处理技术领域。包括以下步骤：通过结构化信息知识抽取、半结构化信息知识抽取以及非结构化信息知识抽取，从数据源中抽取知识信息；将抽取出知识信息中的实体信息及关系信息整合，构建知识图谱；将知识图谱中的任务转换为提示词的形式输入到大模型进行微调，得到微调后的大模型；结合知识图谱和微调后的大模型进行信息检索并生成结果。相较于现有技术，本发明的有益之处在于，结合包含丰富的实体和关系信息的知识图谱，使得处理过程中能够覆盖更广泛的知识领域，结合大语言模型的生成能力，实现生成更加多样化和更加全面的更准确的检索结果。
-
Patent Agency Ranking
公开(公告)号：CN119168174A
公开(公告)日：2024-12-20
申请号：CN202411671449.0
申请日：2024-11-21
Applicant: 中电信无人科技(江苏)有限公司
Abstract: 本发明提供一种基于无人机的车流预测方法、系统及设备，所述方法包括：获取无人机采集的图片集，对所述图片集进行预处理得到图片数据集，所述图片数据集中包括多个图片数据；采用车道分割模型获取每一图片数据包含的特征车道；将所述图片数据集输入预先训练得到的车流预测模型中，基于每一图片数据对每一特征车道进行车流预测，得到所述特征车道的拥堵类型。
-
公开(公告)号：CN119810123A
公开(公告)日：2025-04-11
申请号：CN202510288691.8
申请日：2025-03-12
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06T7/11 , G06N3/0464 , G06N3/0475 , G06T5/60 , G06T5/73
Abstract: 本发明公开了一种基于Kolmogorov‑Arnold算法的无人机视角建筑图像目标分割方法，包括：在KAN模块中引入DRconv模块，得到改进后的DR‑KAN模块，将U‑Net网络的编码器中的特征提取模块替换成改进后的DR‑KAN模块，构建得到建筑图像目标分割模型；所述建筑图像目标分割模型的输入数据为无人机采集到的图像，输出结果为建筑物分割图像；对建筑图像目标分割模型的分割结果进行后处理。本发明能够提高对无人机拍摄的建筑高维特征图的提取能力，提升了分割的泛化能力和准确性。
-
公开(公告)号：CN119168174B
公开(公告)日：2025-04-11
申请号：CN202411671449.0
申请日：2024-11-21
Applicant: 中电信无人科技(江苏)有限公司
Abstract: 本发明提供一种基于无人机的车流预测方法、系统及设备，所述方法包括：获取无人机采集的图片集，对所述图片集进行预处理得到图片数据集，所述图片数据集中包括多个图片数据；采用车道分割模型获取每一图片数据包含的特征车道；将所述图片数据集输入预先训练得到的车流预测模型中，基于每一图片数据对每一特征车道进行车流预测，得到所述特征车道的拥堵类型。
-
公开(公告)号：CN119672569A
公开(公告)日：2025-03-21
申请号：CN202411721820.X
申请日：2024-11-28
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的无人机视角密集小目标检测方法及装置，属于目标检测技术领域。针对现有技术中存在的YOLOv7网络对于密集小目标特征提取能力不足的问题，本发明通过采集无人机图像数据集，从无人机图像数据集中获取密集小目标图像，对密集小目标图像预处理；构建基于YOLOv7的密集小目标检测模型，密集小目标检测模型包括骨干网络、颈部网络和头部网络；其中，在密集小目标检测模型中增加小目标检测头，在头部网络中引入密集检测模块；通过密集小目标检测模型对密集小目标图像进行检测，得到检测结果。由此，通过改进YOLOv7检测头，引入密集检测模块增加对密集小目标区域的二次推理，显著提升密集小目标检测效果。
-
公开(公告)号：CN119580136A
公开(公告)日：2025-03-07
申请号：CN202510008498.4
申请日：2025-01-03
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06V20/17 , G06N3/045 , G06N3/0464 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的无人机低空视角目标检测方法及装置，属于计算机视觉技术领域。该方法包括：对采集的目标检测物图像数据集进行数据增强，将增强后的目标检测物图像数据集划分为训练集、验证集和测试集；在YOLOV7‑OBB模型的主干网络中增加注意力机制模块；基于训练集对YOLOV7‑OBB模型训练，基于验证集对训练过程中的YOLOV7‑OBB模型评估，得到训练好的YOLOV7‑OBB模型；将测试集输入到训练好的YOLOV7‑OBB模型中进行目标检测得到检测结果。通过增强目标检测物图像数据集和增加注意力机制模块，使得YOLOV7‑OBB模型充分学习目标的关键特征信息，显著提高检测精度和鲁棒性。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
